[发明专利]一种基于学习的对比度受限自适应直方图均衡方法

权利要求书

1.一种基于学习的对比度受限自适应直方图均衡方法，其特征在于，包括以下步骤:

步骤1.进行参数的学习训练:

1.1.收集多张训练图像，将每张训练图像分割为若干子块，以子块的灰度均值为特征统计整个训练图像灰度值的均值和方差，以均值和方差作为该训练图像的特征参数采用聚类算法将训练图像进行自动分类，得到分类模型，每一类训练图像的灰度值具有相似的均值和方差;

1.2.根据训练图像类别为每一类图像预设最优经验参数，包括水平和竖直网格数，直方图裁剪幅度和直方图数量;

步骤2.接收输入图像，将输入图像分割为若干子块，以子块的灰度均值为单位统计整个输入图像灰度值的均值和方差，并根据步骤1.1所述的聚类算法得到的分类模型自动对输入图像进行分类，并对各输入图像类别选取步骤1.2所述的预设最优经验参数;

步骤3.根据选取的最优水平和竖直网格数、最优直方图裁剪幅度、最优直方图数量，为每个子块设置自适应的参数值:

3.1.计算每个子块灰度值的均值、最大值、最小值，并以子块的灰度均值为特征统计整个输入图像的灰度值的均值;

3.2.依据所述子块的均值、最大值、最小值，与所述整个输入图像的均值的差异幅度设置子块自适应的裁剪幅度范围;

步骤4.为每一个子块的所述直方图依据所述的裁剪幅度范围进行裁剪，对高于裁剪尺寸的灰度值平均分配给所有的灰度区间得到新的灰度直方图;

步骤5.将计算得到的新的灰度直方图通过映射表映射回原输入图像;

步骤6.对输入图像的相邻子块进行插值处理;

步骤7.输出结果图像。

2.根据权利要求1所述的一种基于学习的对比度受限自适应直方图均衡方法，其特征在于:所述步骤1或步骤2中训练图像或输入图像的预设最优经验参数的选取原则为;图像灰度值的方差较大，即图像的明暗差别较明显，给予较高的网格数量;图像灰度值的均值较大，即亮度图像较亮，给予较小裁剪幅度。

3.根据权利要求1所述的一种基于学习的对比度受限自适应直方图均衡方法，其特征在于:所述步骤1.1中子块的均值和整个训练图像的均值及方差的计算公式如下:

整个训练图像均值公式:avgColor_i=(Σj=1countcolorji)/count,i∈[1,patch]]]>

子块的均值公式:avgColor=Σi=1patchavgColor_i]]>

整个训练图像方差公式:varianceColor=(Σ1patch(avgColor_i-avgColor)2)/patch]]>

其中，color_jⁱ为第i块第j个像素点的颜色值;count为一个图像块中像素个数;avgColor_i为第i个子块的计算后的灰度均值;avgColor为训练图像以子块为单位的图像灰度均值;varianceColor为整个图像的均值;patch为子块的个数，avgColor和varianceColor将作为聚类算法的输入特征值。